RLHF・学習データの課題・スケーリング則生成AI
RLHF・学習データの課題・スケーリング則|報酬モデルの役割
RLHF の報酬モデルは、プロンプトと応答を入力として受け取り、人が好む度合いを表す1つの数値(報酬)を出力するように学習される。
2027年2月試験(新シラバス)対応2026年11月20日時点の法令・公表資料基準情報の正確さへの取り組み
分野・単元で解ける一問一答
法令・行政機関・試験実施団体の公表資料から独自作成した問題を、重要度・分野・単元で絞り込み、1問ずつ解けます。公式過去問の転載ではありません。回答後は正誤だけでなく、判断の決め手・間違えやすい点・関連論点まで確認できます。
学習分野と単元を選び、解きたい範囲まで絞り込めます。
1問が該当
出題範囲:RLHF・学習データの課題・スケーリング則|報酬モデルの役割
問題演習
1/1問解答 0・正解 0
RLHF・学習データの課題・スケーリング則生成AI
RLHF の報酬モデルは、プロンプトと応答を入力として受け取り、人が好む度合いを表す1つの数値(報酬)を出力するように学習される。